Analisis yang digunakan dalam penelitan ini adalah menggunakan analisis deskriptif, pendekatan pertumbuhan luas lahan sawah dan regresi linear berganda. Analisis deskriptif digunakan untuk mengetahui perkembangan alih fungsi lahan sawah dari tahun ke tahun. Pendekatan pertumbuhan luas lahan sawah untuk menjelaskan bagaimana pertumbuhan luas lahan sawah dari tahun ke tahun. Metode regresi linear berganda digunakan untuk menganalisis faktor-faktor yang mempengaruhi alih fungsi lahan sawah di Kabupaten Sleman Daerah Istimewa Yogyakarta.
1. Perkembangan Alih Fungsi Lahan Sawah
Perkembangan alih fungsi lahan sawah dianalisis menggunakan analisis deskriptif. Metode deskriptif merupakan suatu metode yang digunakan untuk meneliti status kelompok manusia, suatu objek, suatu set kondisi suatu pemikiran, ataupun suatu kelas peristiwa pada masa sekarang (Nazir, 2003). Alat yang digunakan adalah tabel atau chart. Tabel atau chart disusun dari data-data luas lahan sawah yang disusun dari tahun ke tahun yang kemudian dianalisis dan diinterpretasikan. Analisis deskriptif ini dapat menghasilkan gambaran mengenai perkembangan alih fungsi lahan sawah ke non sawah di Kabupaten Sleman Daerah Istimewa Yogyakarta dari tahun ke tahun.
2. Pertumbuhan Luas Lahan Sawah
Analisis dengan persamaan ini dapat melihat persentase pertumbuhan luas lahan sawah yang terjadi di Kabupaten Sleman setiap tahunnya dari tahun 1984 hingga 2013. Menurut Sjafrizal (2014), pertumbuhan luas lahan sawah dapat dihitung menggunakan:
Lt – Lt-1
Pertumbuhan Lahan Sawah = x 100%
Lt
Keterangan:
Lt-1 = Luas lahan sawah tahun sebelumnya (Ha)
Pertumbuhan luas lahan sawah dapat ditentukan melalui selisih antara luas lahan sawah tahun ke-t dengan luas lahan sawah tahun sebelumnya (t-1). Kemudian dibagi dengan luas lahan sawah tahun ke-t dan dikalikan 100 dengan satuan persen (%).
3. Analisis Faktor-faktor yang Mempengaruhi Alih Fungsi Lahan Sawah a. Regresi Linear Berganda
Regresi linear merupakan salah satu teknik atau alat yang digunakan untuk mengetahui pengaruh variabel bebas (independen) terhadap variabel tak bebas (dependen). Manfaat penggunaan analisis regresi adalah untuk membuat keputusan apakah naik dan turunnya variabel dependen dapat dilakukan melalui peningkatan variabel independen atau tidak.
Slope pada model log-linear dapat mengukur elastisitas variabel dependen terhadap variabel independen, yaitu mengkur persentase perubahan dalam variabel dependen yang disebabkan oleh perubahan persentase variabel independen. Model ini mengasumsikan bahwa koefisien elastisitas antara variabel dependen dan variabel independen tetap konstan.
Menurut Gujarati dalam Ghozali (2011) untuk menghasilkan model yang sahih secara teoritis, maka model regresi harus memenuhi asumsi klasik. Asusmsi utama yang mendasari model regresi linear klasik dengan menggunakan model OLS (ordinary Least Square), teknik esimasi variabel dependen yang melandasi analisis regresi adalah:
1) Model regresi linear merupakan linear dalam parameter, seperti dalam persamaan berikut ini: Yi = b1 + b2 Xi + µi.
2) Nilai X diasumsikan non-stokastik, artinya nilai X danggap tetap dalam sampel yang berulang.
3) Nilai rata-rata kesalahan µi adalah nol atau E(µi/Xi) = 0.
4) Homoskedastisitas artinya varian kesalahan sama untuk setiap periode (Homo = sama, Skedastisitas = sebaran) dan dinyatakan dalam bentuk matematis Var (µi/xi) = σ2.
5) Tidak ada autokorelasi antar kesalahan (antara µi dan µj tidak ada korelasi) atau secara matematis Cov (µi, mj/Xi, Xj) = 0. 6) Antara µi dan µj saling bebas sehingga Cov (µi/Xi) = 0.
7) Jumlah observasi n harus lebih besar daripada jumlah perameter yang diestimasi (jumlah variabel independen).
8) Adanya variabilitas dalam Xi, artinya nilai Xi harus berbeda. 9) Model regresi telah dispesifikasikan secara benar, dengan kata
lain tidak ada bias (kesalahan) spesifikasi dalam model yang digunakan dalam analitis empirik.
10) Tidak ada multikolinearitas yang sempurna antar variabel independen.
11) Nilai kesalahan µi terdisribusi secara normal.
Analisis regresi berganda digunakan untuk meramalkan bagaimana keadaan (naik turunnya) variabel dependen, bila dua atau lebih variabel independen sebagai faktor prediktor dimanipulasi (dinaikkan atau diturunkan).
1) Model Regresi
Hubungan antara alih fungsi lahan sawah dengan faktor-faktor yang diduga mempengaruhi (jumlah penduduk, jumlah industri, jumlah residential, panjang jalan, PDRB (Pendapatan Domestik Regional Bruto), dan kebijakan pemerintah dapat dianalisis dengan menggunakan model regresi linear berganda. Penggunaan fungsi Ln adalah untuk memperhalus data. Setelah memasukkan variabel-variabel yang digunakan, maka bentuk persamaan dapat ditulis sebagai berikut:
LnYt = Lnβ+ β1tLnX1t + β2tLnX2t + β3tLnX3t + β4tLnX4t + β5tLnX5t + β6tDt
Keterangan:
Yt = Besarnya alih fungsi lahan (Ha)
β = Konstanta
β1t, β2t, β3t, …, β6t = Koefisien regresi
X1t = Jumlah penduduk (jiwa)
X2t = Jumlah industri (buah)
X3t = Jumlah residential (unit)
X4t = Panjang jalan (km)
X5t = PDRB ADHK Tahun 2000
(jutaan rupiah)
Dt = Kebijakan pemerintah (D: 0
sebelum dan D: 1 setelah) 2) Uji Hipotesis
a) Koefisien Determinasi
Uji koefisien determinasi (R2) merupakan pengujian yang berguna untuk mengukur besarnya sumbangan atau kontribusi variabel independen secara keseluruhan terhadap variabel dependen. R2 mempunyai nilai 0 sampai dengan 1. Semakin tinggi nilai R2 suatu regresi, yaitu semakin mendekati 1, maka semakin besar nilai variasi variabel dependen yang dapat diterangkan secara bersama-sama oleh variabel independen. Adapun rumus R2 adalah :
R2 = 𝐸𝑆𝑆
𝑇𝑆𝑆
Keterangan :
TSS : Total Sum of Squares (jumlah kuadrat total) (Gujarati, 2007)
b) Uji F
Uji F ini digunakan untuk menguji pengaruh variabel independen (X) terhadap variabel dependen (Y) secara simultan atau bersama-sama. Adapun rumus yang digunakan adalah sebagai berikut:
R2(k-1) F hitung =
(1-R2)/(n-1) Keterangan:
F = F hitung (yang dibandingkan dengan F tabel ) R2 = Koefisien determinasi yang ditemukan
K = Jumlah variabel independen n = Jumlah sampel
Hipotesis untuk pengujian faktor-faktor yang mempengaruhi alih fungsi lahan adalah :
H0 : b1 = b2 = b3 = b4 = b5 = 0 H1 : minimal salah satu bi ≠ 0
Kriteria pengujian yang digunakan dengan tingkat kepercayaan 95% adalah sebagai berikut:
1. Signifikansi < α = 0,05 maka H0 ditolak 2. Signifikansi > α = 0,05 maka H0 diterima
Jika H0 diterima berarti secara bersama-sama variabel independen yang digunakan dalam model tidak berpengaruh nyata terhadap variabel dependen. Sebaliknya apabila H0
ditolak berarti secara bersama-sama variabel independen yang digunakan dalam model berpengaruh nyata terhadap variabel dependen pada tingkat kepercayaan 95% (Gujarati, 2007).
c) Uji t
Analisis ini digunakan untuk mengetahui ada tidaknya pengaruh variabel independen terhadap variabel dependen secara parsial atau per variabel. Dengan rumus:
t hitung = 𝑏
𝑆𝑏
Keterangan:
b = koefisien regresi variabel independen ke-i Sb = standart deviasi dari variabel independen
Untuk pengujian faktor-faktor yang mempengaruhi alih fungsi lahan adalah :
H0 : bi = 0 H1 : bi ≠ 0
Kriteria pengujian yang digunakan dengan tingkat kepercayaan 95% adalah sebagai berikut :
1. Signifikansi > α = 0,05 maka H0 diterima 2. Signifikansi < α = 0,05 maka H0 ditolak
Jika H0 diterima berarti variabel independen tersebut tidak berpengaruh nyata terhadap variabel dependen. Sebaliknya, apabila H0 ditolak berarti variabel indpenden tersebut berpengaruh nyata terhadap variabel dependen (Gujarati, 2007).
b. Uji Asumsi Klasik
Setelah model diperoleh maka harus dilakukan pengujian model apakah model tersebut sudah termasuk BLUE (Best Linear Unbiased Estimator) atau tidak. Adapun model dikatakan BLUE bila memenuhi persyaratan berikut:
1) Uji Normalitas
Menurut Ghozali (2011) menyatakan bahwa uji normalitas dilakukan untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Dalam uji t dan F diasumsikan bahwa residual mengikuti distribusi normal. Untuk mengetahui bahwa rseidual terdistribusi secara normal atau tidak yaitu dengan uji statistik Kolmogorov-Smirnov (K-S) (Suliyanto, 2011).
a. Jika nilai signifikansi variabel residual > α, maka data residual terdistribusi normal.
b. Jika nilai signifikansi variabel residual < α, maka data residual terdistribusi tidak normal.
2) Uji Multikolinearitas
Uji multikolinearitas digunakan untuk menguji ada tidaknya multikolinearitas yang dapat dilihat pada nilai VIF. Bila
nilai VIF < 10 berarti antar variabel independen tidak terjadi multikolinearitas. Bila antar variabel indpenden terjadi korelasi atau multikolinearitas, maka variabel-variabel tersebut perlu dipertimbangkan digunakan atau tidak di dalam model (Gujarati, 2007).
3) Uji Heteroskedastisitas
Menurut Ghozali (2011) uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variasi dari residual satu pengamatan ke pengamatan yang lain. Menurut Suliyanto (2011) Metode Glejser dilakukan dengan meregresikan semua variabel bebas terhadap nilai mutlak residualnya. Jika terdapat pengaruh variabel bebas yang signifikan terhadap nilai mutlak residualnya maka dalam model terdapat masalah heteroskedastisitas. Cara yang digunakan dalam penelitian ini untuk mendeteksi adanya heteroskedastisitas adalah dengan metode glejser, jika terdapat pengaruh variabel bebas yang signifikan terhadap nilai Abres residual kuadrat maka dalam model terdapat masalah heteroskedastisitas.
4) Uji Autokorelasi
Kriteria asumsi klasik yang ketiga adalah tidak terjadi autokorelasi antara kesalahan pengganggu. Uji autokorelasi dilakukan untuk mengetahui apakah terdapat korelasi antara anggota serangkaian data observasi yang diuraikan menurut waktu (time series). Menurut Gujarati (2007), untuk menguji terdapat atau tidaknya autokorelasi maka dilakukan dengan uji statistik d Durbin Watson.
Dengan kriteria pengujian sebagai berikut : 1) 1,65 < DW < 2,35 berarti tidak terjadi autokorelasi
2) 1,21 < DW < 1,65 atau 2,35 < DW < 2,79 berarti tidak dapat disimpulkan (inconclusive).